cd论文精读

摘要：传统rscd方法大多基于图像模态（像素级对比），作者提出MMChange，引入多模态（图像+文本）提升效果。核心创新：IFR模块（对图像特征做精炼，强化变化区域，弱化背景干扰）、VLM引入文本（通过视觉语言模型，将图像转换为语义描述，让模型具备更高层次的语义理解）、TDE模块（比较前后时相的文本描述，挖掘语义层面）、ITFF模块（跨模态融合）。

引言：介绍什么是rscd、前人方法（传统的和深度学习的，深度学习的主要集中在单模态图像的变化检测）。近来，多模态学习是热点。changeclip的不足有xxx。本研究的动机有xxx。

相关工作：a 单模态变化检测cnn transformer，b 多模态方法

方法：

图像编码器 resnet50，特征提取，随后用IFR图像特征优化模块细化特征。在此之后，VLM（TinyLLaVA）生成双时态图像的文本描述，然后把文本描述输入到clip文本编码器中获取特征。TDE模块用于增强两个文本表示之间的差异，突出双时态特征之间的语义变化。然后通过ITFF模块融合文本和图像特征，再将多模态特征集成发送到解码器中，以创建mask。